Wdrożenia AI

Wdrożenie AI w firmie, które działa w codziennej pracy

Prowadzimy wdrożenie w krótkich cyklach, a każdy kończy się zmianą, z której zespół korzysta od następnego dnia. Pracują nad nim razem psycholog biznesu, projektant produktów cyfrowych i inżynier AI, a o kolejnym etapie decydujecie na podstawie wyników poprzedniego.

  • Pomiar przed i po
  • Decyzja po każdym etapie
  • Część techniczna osobno
Pierwsze 5 tygodni
  1. Kick-off i pierwsze rozmowyTydzień 1, online.
  2. Analiza materiałówTydzień 1, praca własna.
  3. Pierwsza wizyta na miejscuTydzień 2, na miejscu.
  4. Pogłębione rozmowyTygodnie 2-3, online.
  5. Druga wizyta na miejscuTydzień 3, na miejscu.
  6. Synteza i mapa procesówTygodnie 3-4, praca własna.
  7. Rekomendacja i decyzja zarząduTygodnie 4-5.
Przykładowy plan rozpoznania w firmie produkcyjnej. Zakres dla Was ustalamy na pierwszej rozmowie.
Ryzyka

Pięć miejsc, w których wdrożenia AI się wykolejają, i co z nimi robimy

  1. Pilotaż bez jasnej wartości

    Według prognozy Gartnera co najmniej 30% projektów GenAI kończy się po etapie proof of concept. Przyczyny: słabe dane, brak kontroli ryzyka, rosnące koszty i niejasna wartość biznesowa.

    U nas · Etap 02

    Przed startem pilotażu ustalamy problem biznesowy, miary sukcesu i wartość wyjściową.

  2. Automatyzacja procesu, którego nikt nie obejrzał

    Tylko 21% firm korzystających z GenAI przebudowało przynajmniej część procesów pracy, a to właśnie przebudowa najmocniej wpływa na zysk z AI.

    U nas · Etap 01

    Rozpoznanie pokazuje, jak praca wygląda naprawdę, i daje listę problemów, których nie warto rozwiązywać kodem.

  3. Ludzie poza projektem

    W badaniu Prosci (1107 respondentów: pracownicy, liderzy zespołów i kadra zarządzająca) 63% wyzwań we wdrożeniach AI wynikało z czynników ludzkich. Technologia rzadko jest tym, co zatrzymuje zmianę.

    U nas · Etapy 01-03

    Oceniamy gotowość zespołu, szkolimy go na własnych zadaniach, a ambasadorzy AI pokazują rozwiązania innym.

  4. Narzędzia bez zasad

    Prawie 90% osób korzystających z AI w pracy w Polsce używa ogólnodostępnych narzędzi, a 55% badanych nie ujawnia, że korzysta z AI.

    U nas · Etapy 02-03

    Ustalamy jawne zasady: z jakich narzędzi i danych zespół korzysta, a z jakich nie.

  5. Koszty rosną szybciej niż wartość

    Gartner prognozuje, że ponad 40% projektów agentów AI zostanie przerwanych do końca 2027 roku z powodu kosztów, niejasnej wartości albo braku kontroli ryzyka.

    U nas · Każdy etap

    Decydujecie po każdym etapie. Część techniczną wyceniamy po rozpoznaniu, a pierwsza wersja ma jawną listę tego, czego nie robimy.

Proces wdrożenia

Cztery etapy, zawsze w tej samej kolejności

Każdy etap wytwarza materiał, bez którego następny byłby zgadywaniem.

Przy każdym widać, co robimy my, co dostajecie i czego potrzebujemy po Waszej stronie.

  1. Etap 01 · Rozpoznanie (discovery) · przykładowo 4-5 tygodni

    Poznajemy realną pracę, nie jej opis z procedury

    Co robimy
    • Rozmawiamy z osobami, które wykonują pracę, nie tylko z kierownictwem
    • Obserwujemy pracę na miejscu i sprawdzamy, gdzie zadania czekają
    • Przeglądamy systemy, dane i dokumenty, z których już korzystacie
    Dostajecie
    • Mapę procesów z wąskimi gardłami
    • Mapę systemów i danych
    • Katalog problemów, w tym tych, których nie warto rozwiązywać kodem
    • Ocenę gotowości zespołu
    Po Waszej stronie
    • Czas kluczowych osób na rozmowy, do 10 spotkań
    • Przykładowe dokumenty, raporty i arkusze
    • Dwa dni na miejscu z dostępem do zespołu

    Decyzja po etapieCzy i od czego zaczynamy. Mapa procesów zostaje u Was niezależnie od decyzji.

  2. Etap 02 · Priorytety

    Wybieramy, od czego zaczynamy i czego świadomie nie robimy

    Wielkość efektu

    Ile czasu albo kosztu realnie tu odzyskujemy?

    Koszt zmiany

    Ile pracy, przestoju i nauki kosztuje przestawienie procesu?

    Gotowość zespołu

    Czy ludzie w tym obszarze chcą i mogą pracować inaczej?

    Co robimy
    • Układamy obszary w kolejności według trzech kryteriów naraz
    • Dla pilotażu opisujemy proces po zmianie: role, reguły, wyjątki i dane
    • Ustalamy zakres pierwszej wersji i kryteria akceptacji
    Dostajecie
    • Zamkniętą listę obszarów z uzasadnieniem
    • Jawną listę tego, czego teraz nie robimy
    • Miary sukcesu z wartością wyjściową
    • Materiał do wyceny części technicznej
    Po Waszej stronie
    • Decyzja zarządu o pilotażu
    • Osoba koordynująca projekt
    • Przyszły właściciel procesu

    Decyzja po etapieZakres i budżet pilotażu. Kolejny etap uruchamiamy dopiero po tej decyzji.

  3. Etap 03 · Praca przyrostowa · krótkie cykle

    Jeden obszar naraz, pomiar przed i po

    Co robimy
    • Zmieniamy konkretny fragment pracy, realnie używany, a nie pilotaż obok głównego nurtu
    • Szkolimy zespół na jego własnym, właśnie zmienionym procesie
    • Mierzymy tą samą miarą co na starcie i zmieniamy podejście, jeśli wynik się nie poprawił
    Dostajecie
    • Działającą zmianę po każdym cyklu, nie na końcu projektu
    • Wyniki pomiaru, także te niekorzystne
    • Zespół, który raz przeszedł zmianę
    Po Waszej stronie
    • Użytkownicy do testów na realnych przypadkach
    • Dostęp do narzędzi i licencji
    • Obserwacje z codziennej pracy po każdym cyklu

    Decyzja po etapiePo każdym cyklu, na podstawie pomiaru. Kolejna inwestycja wynika z tego, czego nauczył poprzedni cykl.

  4. Etap 04 · Utrwalenie

    Zmiana, która trzyma się bez nas

    Co robimy
    • Dokumentujemy nowy sposób pracy tak, żeby nowa osoba mogła go przejąć
    • Przekazujemy właścicielstwo procesu do organizacji
    • Wracamy po ustalonym czasie i sprawdzamy wynik tą samą miarą
    Dostajecie
    • Udokumentowany nowy sposób pracy
    • Właścicieli procesu z imienia i nazwiska
    • Przegląd wyniku po ustalonym czasie
    • Zdolność do samodzielnego prowadzenia kolejnego obszaru
    Po Waszej stronie
    • Właściciel, który pilnuje nowego sposobu pracy
    • Udział w przeglądzie po ustalonym czasie

    Decyzja po etapieKolejny obszar z listy prowadzicie z nami albo już samodzielnie.

Dlaczego właśnie taka kolejność
Co powstaje

Wynik zależy od procesu, nie od naszej oferty

Czasem wdrożenie kończy się nowym sposobem pracy bez linijki kodu. Czasem asystentem albo integracją z systemem, z którego zespół korzysta na co dzień.

01

Nowy przebieg procesu

Proces po zmianie z rolami, regułami i wyjątkami. Czasem to jedyna zmiana, której potrzeba.

02

Asystent AI na wiedzy firmy

Odpowiada na podstawie Waszych dokumentów i procedur, sprawdzony na realnych przypadkach.

03

Agent AI do konkretnego zadania

Przejmuje powtarzalny ciąg czynności w jasno określonym zakresie.

04

Integracja z CRM lub ERP

AI w systemie, w którym zespół już pracuje, zamiast kolejnego okna do obsługi.

05

Zestaw promptów i standard pracy

Sprawdzone polecenia i procedury, z których korzysta cały zespół, a nie tylko entuzjaści.

06

Zasady korzystania z AI

Jawne reguły: z jakich narzędzi i danych korzystacie, a z jakich nie.

Kto co robi

Trzy kompetencje w jednym zespole, z osobnymi zakresami

UX i procesy
  • Rozpoznanie biznesowe i procesowe
  • Potrzeby użytkowników i wymagania biznesowe
  • Kto, kiedy i w którym momencie pracy sięga po AI
  • Priorytety i zakres pierwszej wersji
  • Dokumentacja, roadmapa i pomiar efektu

Prowadzi Leszek Chodorowski, projektant produktów cyfrowych

Psychologia zmiany
  • Ocena gotowości zespołu
  • Szkolenia na realnych zadaniach zespołu
  • Liderzy i ambasadorzy AI
  • Praca z oporem, m.in. w modelu ADKAR
  • Utrwalanie nowych nawyków

Prowadzi Katarzyna Chodorowska, psycholog biznesu

Technologia AI
  • Dobór rozwiązań AI do procesu
  • Architektura i model danych
  • Integracje z systemami, np. CRM i ERP
  • Budowa i testy asystentów, agentów i automatyzacji
  • Bezpieczeństwo i utrzymanie

Prowadzi Tomasz Sokół, inżynier integracji AI

Osobne zakresy oznaczają osobne decyzje. Nie płacicie za programowanie, zanim wiadomo, co budować: część techniczną wyceniamy po rozpoznaniu.

Opinie

Co mówią klienci

Ferroligni

Z pełnym przekonaniem mogę powiedzieć, że było to jedno z najbardziej wartościowych szkoleń w historii naszej firmy.

Czytaj całą rekomendacjęZwiń

Z całego serca polecam Polską Szkołę AI.

Jeszcze niedawno sztuczna inteligencja była dla nas czymś w rodzaju czarnej magii. Wiedzieliśmy, że warto się nią zainteresować, ale nie do końca rozumieliśmy, jaką realną wartość może wnieść do naszej firmy. Szkolenie przeprowadzone przez Polską Szkołę AI całkowicie zmieniło nasze podejście. Największe wrażenie zrobiło na nas to, że już w trakcie szkolenia, na rzeczywistych przykładach z naszej firmy, usprawniliśmy naszą pracę i zobaczyliśmy konkretne efekty. To nie była teoria, tylko praktyka, która od razu przyniosła wartość.

Dzisiaj AI jest częścią naszej codziennej pracy. Pracujemy szybciej, wydajniej i trudno nam sobie wyobrazić, jak funkcjonowaliśmy wcześniej bez tej wiedzy.

Z pełnym przekonaniem mogę powiedzieć, że było to jedno z najbardziej wartościowych szkoleń w historii naszej firmy.

Ogromne podziękowania dla Polskiej Szkoły AI!

Michał Kliszczun
Michał KliszczunPrezes Zarządu, Ferroligni
Wrocławski Park Technologiczny

To nie była teoria, to była praktyka, która daje realną przewagę konkurencyjną.

Czytaj całą rekomendacjęZwiń

Podczas szkolenia we Wrocławskim Parku Technologicznym zaprezentowali konkretne, gotowe do wdrożenia rozwiązania oparte o sztuczną inteligencję, które przedsiębiorcy mogli od razu przełożyć na realia swojego biznesu. To nie była teoria, to była praktyka, która daje realną przewagę konkurencyjną.

Dominik Marzec
Dominik MarzecDyrektor Działu ds. Wspierania Przedsiębiorczości, Wrocławski Park Technologiczny S.A.

Podczas spotkań w Legnicy i Strzelinie eksperci Szkoły w przystępny sposób przedstawili praktyczne zastosowania sztucznej inteligencji w firmach sektora MŚP, a przedsiębiorcy docenili konkretne przykłady i pomysły na wykorzystanie AI w codziennej działalności. Zespół Polskiej Szkoły AI dysponuje ekspercką wiedzą, potrafi jasno komunikować się z różnymi grupami odbiorców i dobrze rozumie wyzwania, z jakimi mierzą się małe firmy.

Monika Szymańska-Koszarek
Monika Szymańska-KoszarekDyrektor Generalny, Dolnośląski Fundusz Rozwoju
Pytania

Najczęstsze pytania o wdrożenia AI

Od czego zaczyna się wdrożenie AI w Polskiej Szkole AI?

Zawsze od rozpoznania (discovery). Zanim cokolwiek zarekomendujemy, poznajemy realne procesy, używane już narzędzia i miejsca, w których praca się zatrzymuje. Pierwsza decyzja dotyczy tylko tego etapu.

Co dokładnie dzieje się na etapie rozpoznania?

Rozmawiamy z osobami, które wykonują pracę, obserwujemy ją na miejscu i przeglądamy systemy, dane oraz dokumenty. Przykładowy plan rozpoznania w firmie produkcyjnej to 4-5 tygodni: do 10 rozmów, 2 dni pracy na miejscu, analiza materiałów i spotkanie podsumowujące z zarządem.

Jak ustalacie, od czego zacząć wdrożenie AI?

Według trzech kryteriów naraz: jak duży jest możliwy efekt, ile kosztuje zmiana w tym obszarze i czy zespół jest na nią gotowy. Pierwszy obszar ma przede wszystkim pokazać organizacji, że zmiana działa, dlatego rzadko jest to najtrudniejszy proces w firmie.

Czy wdrożenie AI wymaga zakupu nowych narzędzi?

Często nie. Rozpoznanie regularnie pokazuje, że organizacja ma już narzędzia wykorzystywane tylko w części. Jeśli rekomendujemy zakup, pokazujemy, z czego wynika ta rekomendacja i jaki efekt ma przynieść. Nie jesteśmy odsprzedawcą żadnego dostawcy.

Co zostaje w firmie po zakończeniu wdrożenia AI?

Udokumentowany nowy sposób pracy, przeszkolony zespół, imiennie wyznaczeni właściciele procesu oraz wyniki pomiaru przed zmianą i po niej. Celem jest, żeby organizacja mogła prowadzić kolejne obszary samodzielnie.

Kiedy wdrożenie z Polską Szkołą AI nie ma sensu?

Gdy narzędzie jest już kupione i potrzebne jest tylko uzasadnienie zakupu, gdy potrzebna jest wycena przed rozpoznaniem procesu, gdy nikt w firmie nie ma mandatu do zmiany procesu albo gdy zespół ma przyjąć zmianę bez rozmowy. W takiej sytuacji mówimy to wprost na pierwszej rozmowie.
Źródła danych na tej stronie
  1. Gartner, „Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025”, 29 lipca 2024: gartner.com
  2. McKinsey, „The state of AI: How organizations are rewiring to capture value”, marzec 2025: mckinsey.com
  3. Prosci, „Why AI Transformation Fails”, N=1107: prosci.com
  4. KPMG i Uniwersytet w Melbourne, „Sztuczna inteligencja w Polsce. Krajobraz pełen paradoksów”, 2025, N=1082: kpmg.com
  5. Gartner, „Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027”, 25 czerwca 2025: gartner.com
Etap 01

Zacznijmy od rozpoznania

Na 25-minutowej rozmowie o dopasowaniu ustalimy, gdzie dziś zatrzymuje się praca w Waszej organizacji i czy rozpoznanie ma sens. Bez prezentacji produktowej. Jeśli problem nie jest do rozwiązania technologią, powiemy to wprost.